目錄
Resnet 殘差網絡
深度殘差網絡(Deep residual network, ResNet)論文地址:https://arxiv.org/abs/1512.03385
爲什麼提出該網絡?
ResNet在2015年被提出,在ImageNet比賽classification任務上獲得第一名。隨着網絡的加深,出現了訓練集準確率下降的現象,我們可以確定這不是由於Overfit過擬合造成的(過擬合的情況訓練集應該準確率很高);所以作者針對這個問題提出了一種全新的網絡,叫深度殘差網絡。
對於“隨着網絡加深,準確率下降”的問題,Resnet提供了兩種選擇方式,也就是identity mapping和residual mapping,如果網絡已經到達最優,繼續加深網絡,residual mapping將被push爲0,只剩下identity mapping,這樣理論上網絡一直處於最優狀態了,網絡的性能也就不會隨着深度增加而降低了。
什麼是殘差?
對於一個堆積層結構(幾層堆積而成)當輸入爲 時其學習到的特徵記爲 ,現在我們希望其可以學習到殘差 ,這樣其實原始的學習特徵是 。之所以這樣是因爲殘差學習相比原始特徵直接學習更容易。當殘差爲0時,此時堆積層僅僅做了恆等映射,至少網絡性能不會下降,實際上殘差不會爲0,這也會使得堆積層在輸入特徵基礎上學習到新的特徵,從而擁有更好的性能。殘差學習的結構如圖所示。這有點類似與電路中的“短路”,所以是一種短路連接(shortcut connection)。
網絡結構
ResNet網絡是參考了VGG19網絡,在其基礎上進行了修改,並通過短路機制加入了殘差單元,如圖5所示。變化主要體現在ResNet直接使用stride=2的卷積做下采樣,並且用global average pool層替換了全連接層。ResNet的一個重要設計原則是:當feature map大小降低一半時,feature map的數量增加一倍,這保持了網絡層的複雜度。ResNet相比普通網絡每兩層間增加了短路機制,這就形成了殘差學習,其中虛線表示feature map數量發生了改變。對於18-layer和34-layer的ResNet,其進行的兩層間的殘差學習,當網絡更深時,其進行的是三層間的殘差學習,三層卷積核分別是1x1,3x3和1x1。
不同深度的殘差網絡:
上面一共提出了5中深度的ResNet,分別是18,34,50,101和152,首先看錶2最左側,我們發現所有的網絡都分成5部分,分別是:conv1,conv2_x,conv3_x,conv4_x,conv5_x,之後的其他論文也會專門用這個稱呼指代ResNet50或者101的每部分。
拿101-layer那列,我們先看看101-layer是不是真的是101層網絡,首先有個輸入7x7x64的卷積,然後經過3 + 4 + 23 + 3 = 33個building block,每個block爲3層,所以有33 x 3 = 99層,最後有個fc層(用於分類),所以1 + 99 + 1 = 101層,確實有101層網絡;
注:101層網絡僅僅指卷積或者全連接層,而激活層或者Pooling層並沒有計算在內;
ResNet使用兩種殘差單元,如圖所示。左圖對應的是淺層網絡(18層與34層網絡),而右圖對應的是深層網絡(50、101、152層網絡)。對於短路連接,當輸入和輸出維度一致時,可以直接將輸入加到輸出上。但是當維度不一致時(對應的是維度增加一倍),這就不能直接相加。有兩種策略:
(1)採用zero-padding增加維度,此時一般要先做一個downsamp,可以採用strde=2的pooling,這樣不會增加參數;
(2)採用新的映射(projection shortcut),一般採用1x1的卷積,這樣會增加參數,也會增加計算量。短路連接除了直接使用恆等映射,當然都可以採用projection shortcut。
一般稱整個結構爲一個”building block“。其中右圖又稱爲”bottleneck design”,目的一目瞭然,就是爲了降低參數的數目,第一個1x1的卷積把256維channel降到64維,然後在最後通過1x1卷積恢復,整體上用的參數數目:1x1x256x64 + 3x3x64x64 + 1x1x64x256 = 69632,而不使用bottleneck的話就是兩個3x3x256的卷積,參數數目: 3x3x256x256x2 = 1179648,差了16.94倍。
resnet-18 pytorch 代碼:
import torch
import torch.nn as nn
import torch.nn.functional as F
class ResidualBlock(nn.Module):#resnet網絡的殘差網絡結構圖
def __init__(self, inchannel, outchannel, stride=1):
super(ResidualBlock, self).__init__()
self.left = nn.Sequential(
nn.Conv2d(inchannel, outchannel, kernel_size=3, stride=stride, padding=1, bias=False),
nn.BatchNorm2d(outchannel),
nn.ReLU(inplace=True),
nn.Conv2d(outchannel, outchannel, kernel_size=3, stride=1, padding=1, bias=False),
nn.BatchNorm2d(outchannel)
)
self.shortcut = nn.Sequential()
if stride != 1 or inchannel != outchannel: #如果短路通道的通道數與殘差模塊的通道數不相等的話,進行卷積操作使得通道數相同,便於之後的聯合。
self.shortcut = nn.Sequential(
nn.Conv2d(inchannel, outchannel, kernel_size=1, stride=stride, bias=False),
nn.BatchNorm2d(outchannel)
)
def forward(self, x): #將兩個模塊的特徵進行結合,並使用ReLU激活函數得到最終的特徵。
out = self.left(x)
out += self.shortcut(x)
out = F.relu(out)
return out
class ResNet(nn.Module):
def __init__(self, ResidualBlock, num_classes=10):
super(ResNet, self).__init__()
self.inchannel = 64
self.conv1 = nn.Sequential( #用3個3x3的卷積核代替7x7的卷積核,減少模型參數
nn.Conv2d(3, 64, kernel_size=3, stride=1, padding=1, bias=False),
nn.BatchNorm2d(64),
nn.ReLU(),
)
self.layer1 = self.make_layer(ResidualBlock, 64, 2, stride=1)
self.layer2 = self.make_layer(ResidualBlock, 128, 2, stride=2)
self.layer3 = self.make_layer(ResidualBlock, 256, 2, stride=2)
self.layer4 = self.make_layer(ResidualBlock, 512, 2, stride=2)
self.fc = nn.Linear(512, num_classes)
def make_layer(self, block, channels, num_blocks, stride):
strides = [stride] + [1] * (num_blocks - 1) #strides=[1,1]
layers = []
for stride in strides:
layers.append(block(self.inchannel, channels, stride))
self.inchannel = channels
return nn.Sequential(*layers)
def forward(self, x):
out = self.conv1(x)
out = self.layer1(out)
out = self.layer2(out)
out = self.layer3(out)
out = self.layer4(out)
out = F.avg_pool2d(out, 4)
out = out.view(out.size(0), -1)
out = self.fc(out)
return out
def ResNet18():
return ResNet(ResidualBlock)
基於cifar10數據集的訓練代碼:
import torch
import torch.nn as nn
import torch.optim as optim
import torchvision
import torchvision.transforms as transforms
import argparse
from resnet import ResNet18
# 定義是否使用GPU
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
# 參數設置,使得我們能夠手動輸入命令行參數,就是讓風格變得和Linux命令行差不多
parser = argparse.ArgumentParser(description='PyTorch CIFAR10 Training')
parser.add_argument('--outf', default='./model/', help='folder to output images and model checkpoints') #輸出結果保存路徑
parser.add_argument('--net', default='./model/Resnet18.pth', help="path to net (to continue training)") #恢復訓練時的模型路徑
args = parser.parse_args()
# 超參數設置
EPOCH = 135 #遍歷數據集次數
pre_epoch = 0 # 定義已經遍歷數據集的次數
BATCH_SIZE = 128 #批處理尺寸(batch_size)
LR = 0.1 #學習率
# 準備數據集並預處理
transform_train = transforms.Compose([
transforms.RandomCrop(32, padding=4), #在隨機位置裁剪給定的PIL圖像。提供長度爲4的序列,則它用於分別填充左,上,右,下邊界。先四周填充0,再把圖像隨機裁剪成32*32
transforms.RandomHorizontalFlip(0.5), #圖像一半的概率翻轉,一半的概率不翻轉。圖像被翻轉的概率。默認值爲0.5
transforms.ToTensor(),
transforms.Normalize((0.4914, 0.4822, 0.4465), (0.2023, 0.1994, 0.2010)), #用平均值和標準偏差歸一化張量圖像。參數(2個):mean(sequence) - 每個通道的均值序列。std(sequence) - 每個通道的標準偏差序列。此變換將標準化輸入的每個通道,這裏是標準化原始圖像RGB三個通道。
# 注意與normalize函數區分。
])
transform_test = transforms.Compose([ #參數 :transforms (list of Transform objects) – list of transforms to compose.
transforms.ToTensor(),
transforms.Normalize((0.4914, 0.4822, 0.4465), (0.2023, 0.1994, 0.2010)),
])
trainset = torchvision.datasets.CIFAR10(root='./data', train=True, download=False, transform=transform_train) #訓練數據集
trainloader = torch.utils.data.DataLoader(trainset, batch_size=BATCH_SIZE, shuffle=True, num_workers=2) #生成一個個batch進行批訓練,組成batch的時候順序打亂取
#num_workers,從註釋可以看出這個參數必須大於等於0,0的話表示數據導入在主進程中進行,其他大於0的數表示通過多個進程來導入數據,可以加快數據導入速度。
testset = torchvision.datasets.CIFAR10(root='./data', train=False, download=False, transform=transform_test)
testloader = torch.utils.data.DataLoader(testset, batch_size=100, shuffle=False, num_workers=2)
# Cifar-10的標籤
classes = ('plane', 'car', 'bird', 'cat', 'deer', 'dog', 'frog', 'horse', 'ship', 'truck')
# 模型定義-ResNet
net = ResNet18().to(device)
# 定義損失函數和優化方式
criterion = nn.CrossEntropyLoss() #損失函數爲交叉熵,多用於多分類問題
# optim 函數:https://pytorch-cn.readthedocs.io/zh/latest/package_references/torch-optim/
optimizer = optim.SGD(net.parameters(), lr=LR, momentum=0.9, weight_decay=5e-4) #優化方式爲隨機梯度下降算法mini-batch momentum-SGD,並採用L2正則化(權重衰減) 學習率爲0.1,權重衰減爲5e-4
# 訓練
if __name__ == "__main__":
best_acc = 85 #2 初始化best test accuracy
print("Start Training, Resnet-18!") # 定義遍歷數據集的次數
with open("acc.txt", "w") as f:#每一輪結束之後的準確率寫入文本文件
with open("log.txt", "w")as f2:#每訓練1個batch就將訓練結果寫入文本記錄
for epoch in range(pre_epoch, EPOCH):
print('\nEpoch: %d' % (epoch + 1))
net.train()#train模式
sum_loss = 0.0
correct = 0.0
total = 0.0
for i, data in enumerate(trainloader, 0):#用於將一個可遍歷的數據對象(如列表、元組或字符串)組合爲一個索引序列,同時列出數據和數據下標,下標起始位置爲0,返回 enumerate(枚舉) 對象。
# 準備數據
length = len(trainloader)#128
inputs, labels = data
inputs, labels = inputs.to(device), labels.to(device)
optimizer.zero_grad() #清空梯度
# forward + backward 優化過程
outputs = net(inputs)
loss = criterion(outputs, labels)
loss.backward()
optimizer.step() #一旦梯度被如backward()之類的函數計算好後,用該方法更新所有的參數。
# 每訓練1個batch打印一次loss和準確率
sum_loss += loss.item()
_, predicted = torch.max(outputs.data, 1)#選出每一列中最大的值作爲預測結果
total += labels.size(0)
correct += predicted.eq(labels.data).cpu().sum() #正確率計算
print('[epoch:%d, iter:%d] Loss: %.03f | Acc: %.3f%% '
% (epoch + 1, (i + 1 + epoch * length), sum_loss / (i + 1), 100. * correct / total))
f2.write('%03d %05d |Loss: %.03f | Acc: %.3f%% '
% (epoch + 1, (i + 1 + epoch * length), sum_loss / (i + 1), 100. * correct / total))
f2.write('\n')
f2.flush()
# 每訓練完一個epoch測試一下準確率
print("Waiting Test!")
with torch.no_grad():#測試階段不需要計算梯度
correct = 0
total = 0
for data in testloader:
net.eval() #evaluation模式,僅僅當模型中有Dropout和BatchNorm是纔會有影響。因爲訓練時dropout和BN都開啓,而一般而言測試時dropout被關閉,BN中的參數也是利用訓練時保留的參數,所以測試時應進入評估模式。不然的話,一旦test的batch_size過小,很容易就會被BN層導致生成圖片顏色失真極大!
images, labels = data
images, labels = images.to(device), labels.to(device)
outputs = net(images)
# 取得分最高的那個類 (outputs.data的索引號)
_, predicted = torch.max(outputs.data, 1)
total += labels.size(0)
correct += (predicted == labels).sum()
print('測試分類準確率爲:%.3f%%' % (100 * correct / total))
acc = 100. * correct / total
# 將每次測試結果實時寫入acc.txt文件中
print('Saving model......')
torch.save(net.state_dict(), '%s/net_%03d.pth' % (args.outf, epoch + 1))
f.write("EPOCH=%03d,Accuracy= %.3f%%" % (epoch + 1, acc))
f.write('\n')
f.flush()
# 記錄最佳測試分類準確率並寫入best_acc.txt文件中
if acc > best_acc:
f3 = open("best_acc.txt", "w")
f3.write("EPOCH=%d,best_acc= %.3f%%" % (epoch + 1, acc))
f3.close()
best_acc = acc
print("Training Finished, TotalEPOCH=%d" % EPOCH)
參考:
https://zhuanlan.zhihu.com/p/31852747
https://blog.csdn.net/lanran2/article/details/79057994 ResNet解析